python入门学习：5分钟掌握绘制热图展示相关系数

今天的内容参考的是

https://github.com/bzamecnik/neural.cz/blob/master/content/boston-dataset-exploration.md

使用的数据集还是之前提到的3个品种小麦种子数据

需要示例数据的可以直接留言

数据集包括3个品种的小麦种子7个指标，这7个指标分别是

• A 面积
• B 周长
• C紧凑度
• LK 长度
• WK 宽度
• A_coef 偏度系数
• LKG 腹沟长度

image.png

• 最后一个变量target是小麦所属种类，分别是0,1,2

第一次使用python直接在电脑上安装anaconda3就好了，我之前录制过一个视频进行介绍，可以参考

第一步启动jupyter lab （我用的是win10系统的电脑）

win+快捷键 输入cmd按回车 打开命令行窗口，然后再命令行输入 jupyter lab

按回车键 jupyter lab在默认浏览器启动

点击Notebook下的python3新建一个窗口

接下来就是输入命令了

导入pandas模块读入数据

import pandas as pd
df = pd.read_csv("D://Rstudio_default_working/kaggle/Seed_Data.csv")
df.head()

去掉最后一列target，因为计算相关系数用不到

df1 = df.drop('target',axis=1)

接下来就是导入seaborn模块绘制相关系数的热图了

这里参考了 https://heartbeat.fritz.ai/seaborn-heatmaps-13-ways-to-customize-correlation-matrix-visualizations-f1c49c816f07

import seaborn as sns
sns.heatmap(df.corr())

显示相关系数

sns.heatmap(df.corr(),annot=True)

这里相关性分析默认的好像是皮尔逊相关性分析

更改其他的方法